{"id":97,"date":"2023-11-30T16:59:51","date_gmt":"2023-11-30T16:59:51","guid":{"rendered":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/chapter\/ai-speak-data-based-systems-part-1\/"},"modified":"2024-01-31T11:43:11","modified_gmt":"2024-01-31T11:43:11","slug":"ai-speak-data-based-systems-part-1","status":"publish","type":"chapter","link":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/chapter\/ai-speak-data-based-systems-part-1\/","title":{"raw":"KI Sprache: Datenbasierte Systeme \u2014 Teil 1","rendered":"KI Sprache: Datenbasierte Systeme \u2014 Teil 1"},"content":{"raw":"
\n

Entscheidungen im Klassenzimmer<\/strong><\/h3>\n<\/header>\n

Als Lehrkraft haben Sie Zugang zu vielen Arten von Daten. Entweder greifbare Daten wie Anwesenheits- und Leistungsnachweise oder nicht greifbare wie die K\u00f6rpersprache der Sch\u00fclerinnen und Sch\u00fcler. Denken Sie an einige der Entscheidungen, die Sie in Ihrem Berufsleben treffen: Welche Daten helfen Ihnen, diese Entscheidungen zu treffen?<\/strong><\/p>\n

Es gibt technologische Anwendungen, die Ihnen helfen k\u00f6nnen, Daten zu visualisieren oder zu verarbeiten. Systeme mit k\u00fcnstlicher Intelligenz nutzen Daten, um das Lernen zu personalisieren, Vorhersagen zu treffen und Entscheidungen zu treffen, die Ihnen beim Unterrichten und bei der Verwaltung des Klassenzimmers helfen k\u00f6nnten: Haben Sie Bed\u00fcrfnisse, die die Technologie erf\u00fcllen kann? Wenn ja, welche Daten w\u00fcrde ein solches System ben\u00f6tigen, um diese Aufgabe zu erf\u00fcllen?<\/strong><\/p>\n\n<\/div>\n\n[caption id=\"attachment_96\" align=\"alignleft\" width=\"264\"]\"\" Quelle : Kelleher, J.D, Tierney, B, Data Science, London, 2018 and Kitchin, R, Big Data, new epistemologies and paradigm shifts, Big Data & Society, 2014[\/caption]\n

Bildungssysteme haben schon immer Daten generiert \u2014 pers\u00f6nliche Daten der Sch\u00fclerinnen und Sch\u00fclerinnen und Sch\u00fcler, akademische Aufzeichnungen, Anwesenheitsdaten und mehr. Mit der Digitalisierung und der steigenden Anzahl an KI-Anwendungen werden immer mehr Daten aufgezeichnet und gespeichert: Mausklicks, ge\u00f6ffnete Seiten, Zeitstempel und Tastaturanschl\u00e4ge1<\/sup>. Da datenzentriertes Denken in der Gesellschaft zur Norm geworden ist, stellt sich nat\u00fcrlich die Frage, wie man all diese Daten verarbeiten kann, um etwas Sinnvolles zu tun: K\u00f6nnten wir Lernenden ein individuelleres Feedback geben? K\u00f6nnten wir bessere Visualisierungs- und Benachrichtigungstools f\u00fcr Lehrkr\u00e4fte entwickeln?2<\/sup><\/p>\n

Welche Technologie auch immer eingesetzt wird, sie muss einem echten Bedarf im Klassenzimmer entsprechen. Nachdem der Bedarf ermittelt wurde, k\u00f6nnen wir uns die verf\u00fcgbaren Daten ansehen und fragen, was f\u00fcr ein gew\u00fcnschtes Ergebnis relevant ist. Dabei geht es darum, Faktoren aufzudecken, die es p\u00e4dagogischen Fachkr\u00e4ften erm\u00f6glichen, nuancierte Entscheidungen zu treffen. K\u00f6nnen diese Faktoren mit den verf\u00fcgbaren Daten erfasst werden? Sind Daten und datenbasierte Systeme der beste Weg, um den Bedarf zu decken? Welche unbeabsichtigten Folgen k\u00f6nnte die Verwendung von Daten haben?3<\/sup><\/p>\n

Maschinelles Lernen erm\u00f6glicht es uns, viele dieser Fragen auf die Daten selbst zu schieben4:<\/sup> ML-Anwendungen werden auf Daten trainiert. Sie funktionieren, indem sie mit Daten arbeiten. Sie finden Muster, treffen Verallgemeinerungen und speichern diese als Modelle \u2014 Daten, die zur Beantwortung zuk\u00fcnftiger Fragen genutzt werden k\u00f6nnen4<\/sup>. Ihre Entscheidungen und Vorhersagen und wie diese das Lernen der Sch\u00fclerinnen und Sch\u00fcler beeinflussen, sind ebenfalls Daten. Daher ist das Wissen dar\u00fcber, wie Programmierende, die Technologie und die Nutzenden mit Daten umgehen, ein wichtiger Teil des Verst\u00e4ndnisses, wie k\u00fcnstliche Intelligenz funktioniert.<\/p>\n\n

\u00dcber Daten<\/h3>\n

Daten<\/strong> beziehen sich im Allgemeinen auf eine Entit\u00e4t der realen Welt\u00a0\u2014 eine Person, ein Objekt oder ein Ereignis. Jede Entit\u00e4t kann durch eine Reihe von Attributen<\/strong> (Merkmale<\/strong> oder Variablen<\/strong>) beschrieben werden5<\/sup>. Beispielsweise sind Name, Alter und Klasse einige Attribute eines Lernenden. Die Menge dieser Attribute sind die Daten, die wir \u00fcber die Sch\u00fclerinnen und Sch\u00fcler haben, die zwar in keiner Weise mit der realen Person \u00fcbereinstimmen, uns aber dennoch etwas \u00fcber sie sagen. Daten, die im Bildungssystem gesammelt, verwendet und verarbeitet werden, nennt man Bildungsdaten<\/strong>1<\/sup>.<\/p>\n

Ein Datensatz<\/strong> bezeichnet die Daten einer Sammlung von Entit\u00e4ten, die in Zeilen und Spalten angeordnet sind. Die Anwesenheitsliste einer Klasse ist ein Datensatz. Jede Zeile ist der Datensatz eines Sch\u00fclers oder einer Sch\u00fclerin. Die Spalten k\u00f6nnen die An- oder Abwesenheit an einem bestimmten Tag oder in einem bestimmten Kurs darstellen. Jede Spalte ist also ein Attribut.<\/p>\nhttps:\/\/youtu.be\/Ap1Jola2ci4?list=PLkm8ZqYSzE3eM28LL0BJylUFuVedLE3Uy\n\n[caption id=\"attachment_96\" align=\"alignright\" width=\"300\"]\"\" The DIKW Pyramid. Quelle: Kelleher, J.D, Tierney, B, Data Science, London, 2018 and Kitchin, R, Big Data, new epistemologies and paradigm shifts, Big Data & Society, 2014[\/caption]\n\nDaten werden erstellt, indem man Attribute ausw\u00e4hlt und sie misst: Jeder Teil der Daten ist das Ergebnis menschlicher Entscheidungen und Wahlm\u00f6glichkeiten. Daher ist die Datenerstellung ein subjektiver, partieller und un\u00fcbersichtlicher Prozess, der mit technischen Schwierigkeiten verbunden ist4,5<\/sup>. Au\u00dferdem kann das, was wir messen und was wir nicht messen, einen gro\u00dfen Einfluss auf die erwarteten Ergebnisse haben.\n

Datenspuren <\/strong>sind Aufzeichnungen von Sch\u00fcleraktivit\u00e4ten wie Mausklicks, Daten \u00fcber ge\u00f6ffnete Seiten, das Timing von Interaktionen oder Tastenanschl\u00e4ge in einem digitalen System1<\/sup>. Metadaten<\/strong> bezeichnen Daten, die andere Daten beschreiben5<\/sup>. Abgeleitete Daten<\/strong> sind Daten, die aus anderen Daten berechnet oder abgeleitet werden: Die individuellen Noten eines jeden Sch\u00fclers und einer jeden Sch\u00fclerin sind Daten. Klassendurchschnitte sind abgeleitete Daten. Abgeleitete Daten sind oft n\u00fctzlicher, wenn es darum geht, aussagekr\u00e4ftige Informationen zu erhalten, Muster zu finden und Vorhersagen zu treffen. Anwendungen f\u00fcr maschinelles Lernen k\u00f6nnen abgeleitete Daten erstellen und sie mit Metadaten verkn\u00fcpfen, um detaillierte Lernmodelle<\/a> zu erstellen, die bei der Personalisierung des Lernens helfen1<\/sup>.<\/p>\n

Damit jede datenbasierte Anwendung erfolgreich ist, sollten die Attribute sorgf\u00e4ltig ausgew\u00e4hlt und korrekt gemessen werden. Die in ihnen entdeckten Muster sollten daraufhin \u00fcberpr\u00fcft werden, ob sie im p\u00e4dagogischen Kontext Sinn ergeben. Wenn sie richtig konzipiert und gepflegt werden, k\u00f6nnen datengesteuerte Systeme sehr wertvoll sein.<\/p>\nhttps:\/\/youtu.be\/Wwh-6AdNJVM?list=PLkm8ZqYSzE3eM28LL0BJylUFuVedLE3Uy\n

Pr\u00fcfen Sie, ob sie mit (Big) Data vertraut sind <\/a><\/div>\n

Ziel dieses Kapitels ist es, einige Grundlagen zu Daten und datengest\u00fctzter Technologie zu vermitteln, aber Datenkompetenz ist eine sehr wichtige F\u00e4higkeit, die man besitzen sollte und die eine entsprechende Schulung, kontinuierliche Weiterbildung und Unterst\u00fctzung verdient.1<\/sup>.<\/p>\n\n

Wichtige Gesetzesgrundlagen<\/h3>\n

Aufgrund der drastisch gesunkenen Kosten f\u00fcr die Datenspeicherung werden immer mehr Daten und Metadaten gespeichert und l\u00e4nger aufbewahrt6<\/sup>. Das kann zu Datenschutzverletzungen und Rechtsverletzungen f\u00fchren. Gesetze wie die Datenschutz-Grundverordnung (DSGVO)<\/strong> raten von solchen Praktiken ab und geben der EU-B\u00fcrgerschaft mehr Kontrolle \u00fcber ihre pers\u00f6nlichen Daten. Sie geben rechtlich durchsetzbare Datenschutzbestimmungen f\u00fcr alle EU-Mitgliedstaaten vor.<\/p>\n\n\n[caption id=\"attachment_96\" align=\"alignleft\" width=\"378\"]\"\" Quelle: \"GDPR & ePrivacy Regulations\" by dennis_convert licensed under CC BY 2.0. Informationen zu dieser Lizenz finden Sie unter: https:\/\/creativecommons.org\/licenses\/by\/2.0\/?ref=openverse<\/a>[\/caption]\n

Personenbezogene Daten sind gem\u00e4\u00df der DSGVO alle Informationen, die sich auf eine bestimmte oder bestimmbare Person (Datensubjekt) beziehen. Schulen arbeiten nicht nur mit Unternehmen zusammen, die ihre Daten verarbeiten, sondern sie speichern auch gro\u00dfe Mengen an pers\u00f6nlichen Daten \u00fcber Sch\u00fclerinnen und Sch\u00fcler, Eltern, Mitarbeitende, Management und Lieferfirmen. Als f\u00fcr die Datenverarbeitung Verantwortliche sind sie verpflichtet, die von ihnen verarbeiteten Daten vertraulich und sicher zu speichern und \u00fcber Verfahren zum Schutz und zur ordnungsgem\u00e4\u00dfen Verwendung aller personenbezogenen Daten zu verf\u00fcgen1<\/sup>.<\/p>\n

Zu den durch die DSGVO festgelegten Rechten f\u00fcr die B\u00fcrgerinnen und B\u00fcrger geh\u00f6ren:<\/p>\n\n